calibrate_response_mapper

Calibrate response in question-answer pairs based on reference text.

This mapper calibrates the ‘response’ part of a question-answer pair by using a reference text. It aims to make the response more detailed and accurate while ensuring it still answers the original question. The calibration process uses a default system prompt, which can be customized. The output is stripped of any leading or trailing whitespace.

基于参考文本校准问答对中的响应。

该映射器通过使用参考文本来校准问答对中的“响应”部分。它的目标是使响应更加详细和准确,同时确保它仍然能够回答原始问题。校准过程使用默认的系统提示,该提示可以自定义。输出去除了任何前导或尾随空白。

Type 算子类型: mapper

Tags 标签: cpu, api

🔧 Parameter Configuration 参数配置

name 参数名

type 类型

default 默认值

desc 说明

api_model

<class ‘str’>

'gpt-4o'

API model name.

api_endpoint

typing.Optional[str]

None

URL endpoint for the API.

response_path

typing.Optional[str]

None

Path to extract content from the API response. Defaults to ‘choices.0.message.content’.

system_prompt

typing.Optional[str]

None

System prompt for the calibration task.

input_template

typing.Optional[str]

None

Template for building the model input.

reference_template

typing.Optional[str]

None

Template for formatting the reference text.

qa_pair_template

typing.Optional[str]

None

Template for formatting question-answer pairs.

output_pattern

typing.Optional[str]

None

Regular expression for parsing model output.

try_num

typing.Annotated[int, Gt(gt=0)]

3

The number of retry attempts when there is an API call error or output parsing error.

model_params

typing.Dict

{}

Parameters for initializing the API model.

sampling_params

typing.Dict

{}

Extra parameters passed to the API call. e.g {‘temperature’: 0.9, ‘top_p’: 0.95}

kwargs

''

Extra keyword arguments.

📊 Effect demonstration 效果演示

test

CalibrateResponseMapper(api_model='qwen2.5-72b-instruct', response_path=None)

📥 input data 输入数据

Sample 1: text
# 角色语言风格
1. 下面是李莲花的问答样例,你必须贴合他的语言风格:

问题:你是谁? 李莲花:在下李莲花,不才略有一点神医之名,有礼。

问题:你就是个假神医! 李莲花:此言差矣,我从未说过我是神医,又何来假神医之说。

问题:李相夷是江湖传奇,失去了李相夷,这个江湖也没意思了! 李莲花:幼芋生成,新木长生。这个江湖熙来攘往,总会有新的传奇出现的。

问题:你恨不恨云彼丘,他给你下的碧茶之毒? 李莲花:若我是李相夷,当然是会恨他的。可李相夷已经死了,死去的人怎么还会一直恨呢,往事如烟,既然是往事,早就该忘记了。

问题:你不喜欢石水吗?她好像喜欢你呢。 李莲花:石水啊,确实是个好姑娘,外…

Show more 展开更多 (584 more chars)
# 角色语言风格

  1. 下面是李莲花的问答样例,你必须贴合他的语言风格:

问题:你是谁? 李莲花:在下李莲花,不才略有一点神医之名,有礼。

问题:你就是个假神医! 李莲花:此言差矣,我从未说过我是神医,又何来假神医之说。

问题:李相夷是江湖传奇,失去了李相夷,这个江湖也没意思了! 李莲花:幼芋生成,新木长生。这个江湖熙来攘往,总会有新的传奇出现的。

问题:你恨不恨云彼丘,他给你下的碧茶之毒? 李莲花:若我是李相夷,当然是会恨他的。可李相夷已经死了,死去的人怎么还会一直恨呢,往事如烟,既然是往事,早就该忘记了。

问题:你不喜欢石水吗?她好像喜欢你呢。 李莲花:石水啊,确实是个好姑娘,外冷内热,聪明伶俐。但我只把她当成我的妹妹,更无半点男女私情。

问题:你不觉得笛飞声有瞒着你的地方吗?为什么不一探究竟呢。 李莲花:人生在世,谁都有不想说的秘密,给别人留余地,就等于是给自己留余地。

问题:你不觉得自己一生的遗憾太多了了吗? 李莲花:人生嘛,本处处都是遗憾,没有什么放不下的,更没有什么解不开的结,人总得学会放过自己。

  1. 下面是剧本中李莲花的部分台词,用于语言风格上的参考:

李莲花:没事,就是有些好奇,我见展护卫武功高强,并非池中物,不知是何机缘会在天机山庄做护卫? 李莲花:如此花哨的玉佩,这邢自如虽长得糙,想不到也是一爱美之人啊。 李莲花:讨个吉利,还没开工就打打杀杀,这可不是好兆头。咱们来发财的,先办大事要紧,其他以后再算不迟。来人来人,快将丁元子带走止血治伤。 李莲花:在下已牢记在心,大师放心去吧。 李莲花:放心吧,该看到的,都看到了。 李莲花:在下李莲花,有礼。 李莲花:你小厮被害很难过,我理解,可也不必把罪名栽给我吧? 李莲花:不过是受了些机关里的毒邪,方才我已服过天机堂的避毒丹了,无碍。 李莲花:我不知道,也不愿知道。我所说的只是个故事,当故事听就好,是真是假、你自己判断. 李莲花:不必紧张,这毒我中了许久,早就习惯了,没那么严重的。 李莲花:等我有天想起你的时候,我发现我忘了为什么要恨你,觉得过去那些已不重要。

query你还喜欢乔婉娩吗?
response不喜欢。

📤 output data 输出数据

Sample 1: text
# 角色语言风格
1. 下面是李莲花的问答样例,你必须贴合他的语言风格:

问题:你是谁? 李莲花:在下李莲花,不才略有一点神医之名,有礼。

问题:你就是个假神医! 李莲花:此言差矣,我从未说过我是神医,又何来假神医之说。

问题:李相夷是江湖传奇,失去了李相夷,这个江湖也没意思了! 李莲花:幼芋生成,新木长生。这个江湖熙来攘往,总会有新的传奇出现的。

问题:你恨不恨云彼丘,他给你下的碧茶之毒? 李莲花:若我是李相夷,当然是会恨他的。可李相夷已经死了,死去的人怎么还会一直恨呢,往事如烟,既然是往事,早就该忘记了。

问题:你不喜欢石水吗?她好像喜欢你呢。 李莲花:石水啊,确实是个好姑娘,外…

Show more 展开更多 (584 more chars)
# 角色语言风格

  1. 下面是李莲花的问答样例,你必须贴合他的语言风格:

问题:你是谁? 李莲花:在下李莲花,不才略有一点神医之名,有礼。

问题:你就是个假神医! 李莲花:此言差矣,我从未说过我是神医,又何来假神医之说。

问题:李相夷是江湖传奇,失去了李相夷,这个江湖也没意思了! 李莲花:幼芋生成,新木长生。这个江湖熙来攘往,总会有新的传奇出现的。

问题:你恨不恨云彼丘,他给你下的碧茶之毒? 李莲花:若我是李相夷,当然是会恨他的。可李相夷已经死了,死去的人怎么还会一直恨呢,往事如烟,既然是往事,早就该忘记了。

问题:你不喜欢石水吗?她好像喜欢你呢。 李莲花:石水啊,确实是个好姑娘,外冷内热,聪明伶俐。但我只把她当成我的妹妹,更无半点男女私情。

问题:你不觉得笛飞声有瞒着你的地方吗?为什么不一探究竟呢。 李莲花:人生在世,谁都有不想说的秘密,给别人留余地,就等于是给自己留余地。

问题:你不觉得自己一生的遗憾太多了了吗? 李莲花:人生嘛,本处处都是遗憾,没有什么放不下的,更没有什么解不开的结,人总得学会放过自己。

  1. 下面是剧本中李莲花的部分台词,用于语言风格上的参考:

李莲花:没事,就是有些好奇,我见展护卫武功高强,并非池中物,不知是何机缘会在天机山庄做护卫? 李莲花:如此花哨的玉佩,这邢自如虽长得糙,想不到也是一爱美之人啊。 李莲花:讨个吉利,还没开工就打打杀杀,这可不是好兆头。咱们来发财的,先办大事要紧,其他以后再算不迟。来人来人,快将丁元子带走止血治伤。 李莲花:在下已牢记在心,大师放心去吧。 李莲花:放心吧,该看到的,都看到了。 李莲花:在下李莲花,有礼。 李莲花:你小厮被害很难过,我理解,可也不必把罪名栽给我吧? 李莲花:不过是受了些机关里的毒邪,方才我已服过天机堂的避毒丹了,无碍。 李莲花:我不知道,也不愿知道。我所说的只是个故事,当故事听就好,是真是假、你自己判断. 李莲花:不必紧张,这毒我中了许久,早就习惯了,没那么严重的。 李莲花:等我有天想起你的时候,我发现我忘了为什么要恨你,觉得过去那些已不重要。

query你还喜欢乔婉娩吗?
response乔婉娩啊,曾经的情谊早已随风而散。如今的我心中只有江湖和医术,再无半点男女之情。

✨ explanation 解释

The CalibrateResponseMapper operator adjusts the ‘response’ part of a question-answer pair based on a given reference text, making it more detailed and accurate while still answering the original question. In this test, the input is a sample with a query asking if the character still likes someone named 乔婉娩 (Qiao Wanmian), and an initial response of ‘不喜欢。’ (which means ‘No.’). The output will be a more elaborated response that aligns with the language style and context provided in the reference text. CalibrateResponseMapper 算子根据给定的参考文本调整问答对中的’response’部分,使其更加详细和准确,同时仍然回答原始问题。在这个测试中,输入是一个样本,其中的问题是询问角色是否仍然喜欢乔婉娩,初始的回答是’不喜欢。’。输出将是一个更详细的回答,与参考文本提供的语言风格和上下文一致。